近段時間，國內范圍內尤其是京津冀地區(qū)接連陷入霧霾之困，北京更是**發(fā)布空氣重污染紅色預警，中小學連續(xù)停課3天，機動車單雙號限行。霧霾的背后，重污染天氣的預警預測工作顯得尤為重要，不僅可以讓公眾提前合理安排生產(chǎn)生活，也可以讓政府相關部門及時采取應急措施，緩解重污染天氣帶來的危害。

　　微軟亞洲研究院主管研究員鄭宇一直從事大數(shù)據(jù)挖掘和算法研究，希望用大數(shù)據(jù)解決現(xiàn)代城市所面臨的問題。他和他的團隊已經(jīng)成功用大數(shù)據(jù)計算出1km×1km細粒度的空氣質量狀況、尾氣排放數(shù)據(jù)和噪聲污染指數(shù)。

　　那么，大數(shù)據(jù)是如何預測霧霾的呢？

　　大數(shù)據(jù)能不能成功預測霧霾？

　　Urban Air正是由微軟亞洲研究院開發(fā)，用大數(shù)據(jù)預測城市空氣質量的項目。目前，Urban Air已經(jīng)實現(xiàn)國內70多個城市空氣質量預測，可以對京津冀、長三角、珠三角、成渝城市群未來48小時的空氣質量進行預測。

　　“大數(shù)據(jù)不僅能預測霧霾，還可以精細化預測?！编嵱钫f，依靠經(jīng)典模擬方法預測預警霧霾，只能算出空氣質量的均值，而大數(shù)據(jù)可以對1~6小時的空氣質量逐小時進行預測，對7~12小時、12~24小時、24~48小時進行*大值和*小值的預測。

　　除了在預測精度上有優(yōu)勢外，大數(shù)據(jù)精細化預測還體現(xiàn)在地域范圍上。目前，傳統(tǒng)模擬方法預測霧霾只能精細到區(qū)的范圍，比如可以預測到北京市海淀區(qū)、朝陽區(qū)的空氣質量，而大數(shù)據(jù)可以精細化到每個空氣質量站點，比如可以預測海淀區(qū)萬柳站點未來48小時的空氣質量狀況。

　　大數(shù)據(jù)不僅能預測霧霾，還可以很快速。據(jù)鄭宇介紹，傳統(tǒng)的重污染天氣預測工作需要6小時左右的模擬運算時間，無法快速實時發(fā)布，而大數(shù)據(jù)可以在幾秒鐘之內快速算出重污染空氣質量數(shù)據(jù)。

　　未來，霧霾的運行軌跡也將有望實現(xiàn)，霧霾從哪來，到哪去都將不是難題。記者了解到，鄭宇和他的團隊正在從事霧霾因果相關性的研究，目前還處在研發(fā)階段，預計明年將正式投入應用。

　　大數(shù)據(jù)怎么預測霧霾？

　　既然大數(shù)據(jù)可以預測霧霾，那么，能夠預測霧霾的大數(shù)據(jù)究竟包含哪些數(shù)據(jù)？這些數(shù)據(jù)又如何預測霧霾？

　　霧霾的大數(shù)據(jù)主要包括當前空氣質量數(shù)據(jù)、氣象條件、未來天氣預報3類數(shù)據(jù)。鄭宇特別介紹說，空氣質量數(shù)據(jù)并不是指單純的空氣質量站點數(shù)據(jù)，而是以某空氣質量站點為圓心，囊括了方圓300公里范圍內所有的與空氣質量相關的數(shù)據(jù)，比如空氣質量站點數(shù)據(jù)、交通流數(shù)據(jù)、氣象數(shù)據(jù)、廠礦數(shù)據(jù)、人口流動數(shù)據(jù)、路網(wǎng)結構等。

　　與傳統(tǒng)模擬空氣質量不同，大數(shù)據(jù)預測霧霾依靠的是多元融合方法，也就是說，空氣質量的預測不僅僅看空氣質量數(shù)據(jù)，還要看與之相關的氣象數(shù)據(jù)、交通流量數(shù)據(jù)、廠礦數(shù)據(jù)、城市路網(wǎng)結構等不同領域的數(shù)據(jù)，不同領域的互相疊加，相互補強，從而預測空氣質量狀況。

　　“大數(shù)據(jù)應用于預測霧霾，首先，由于每個站點、每個時段空氣質量的影響因素都不盡相同，所以針對每個空氣質量站點，我們都會為這個站點每個時段單獨建一個空氣質量模型，之后再將三者數(shù)據(jù)疊加，*后將數(shù)據(jù)進行融合，制作出空氣質量預測模型?！编嵱钫f ，這樣算下來 ，為預測北京市空氣質量，建立的模型已經(jīng)達上百個。

　　大數(shù)據(jù)預測得準不準？

　　那么，多元融合的大數(shù)據(jù)算法與傳統(tǒng)的空氣模擬預測相比，是否更準確？

　　“其實，大數(shù)據(jù)預測與傳統(tǒng)模擬方法有一定的相似性，都是通過數(shù)據(jù)來擬合模型，只不過是數(shù)據(jù)量大小不同?！编嵱钫f，以往由于獲知的數(shù)據(jù)有限，傳統(tǒng)模擬方法只能基于有限的樣本數(shù)據(jù)，由科研人員通過經(jīng)驗、假設找出這些數(shù)據(jù)間的規(guī)律，模擬出簡單的模型，預測空氣質量。而隨著數(shù)據(jù)增多，單單依靠人工已經(jīng)無法從海量繁雜的數(shù)據(jù)中找出規(guī)律，所以需要借助機器學習和數(shù)據(jù)挖掘等工具來發(fā)現(xiàn)多源數(shù)據(jù)中隱含的規(guī)律。

　　如今影響空氣質量的因素越來越多，傳統(tǒng)模擬的方法顯得“力不從心”。鄭宇介紹說，傳統(tǒng)模擬空氣質量預測首先需要搜集完整的污染源數(shù)據(jù)，比如企業(yè)的排污數(shù)據(jù)和汽車尾氣排放等，而這些數(shù)據(jù)無法全部獲知；其次模型太理想化，污染物在空氣中傳播和變化的實際情況，要復雜很多。

　　隨著影響空氣質量的因素增多，數(shù)據(jù)量的增大，大數(shù)據(jù)在空氣質量預測上頗有優(yōu)勢。比如傳統(tǒng)方法要拿到**的地面污染源數(shù)據(jù)才能預測，而大數(shù)據(jù)則可以解決數(shù)據(jù)缺失的問題。比如對于交通尾氣數(shù)據(jù)難獲取的情況，大數(shù)據(jù)運算可以采用與交通尾氣相關的交通流量、排量等相關數(shù)據(jù)，間接地分析其與空氣質量的關系?！按髷?shù)據(jù)的精髓就是A領域的問題可以借助B領域、C領域、D領域的數(shù)據(jù)來一起解決，通過多元數(shù)據(jù)融合的方法來解決數(shù)據(jù)缺失和不精準的問題。”鄭宇說。

　　空氣質量站點、相關領域的數(shù)據(jù)、大數(shù)據(jù)先進的挖掘技術和模型，保證了大數(shù)據(jù)預測的準確性。據(jù)了解，現(xiàn)在大數(shù)據(jù)對京津冀霧霾的預測精度可以達到75%，對成渝等地的預測精度會更高，平均準確率比統(tǒng)模擬方法高15%~20%。

　　大數(shù)據(jù)預測還存在哪些困難？

　　雖然大數(shù)據(jù)對霧霾的預測已經(jīng)成功實踐，但鄭宇也坦言，大數(shù)據(jù)預測霧霾確實還有很多困難。

　　數(shù)據(jù)量少是大數(shù)據(jù)發(fā)展的掣肘，大數(shù)據(jù)的預測是基于對大量的數(shù)據(jù)進行學習。但我國數(shù)據(jù)開放進程比較晚，并且很多污染源數(shù)據(jù)都還不完善。

　　“數(shù)據(jù)量大小直接影響大數(shù)據(jù)預測的精準度?！编嵱钫f，比如數(shù)據(jù)樣本量不夠，會導致霧霾的拐點很難預測，目前傳統(tǒng)經(jīng)典模型和大數(shù)據(jù)模型都很難說清楚霧霾何時會消散?！昂芏嗳苏J為大風來了，霧霾一定會散去，真實情況并非如此，霧霾消散與大風的強度、持續(xù)時間、風向來源地都有非常大的關系。比如，如果風向的來源地本身是污染源，那么霧霾不但不會散去，反而會加重?！编嵱钫f，目前有關拐點出現(xiàn)次數(shù)的數(shù)據(jù)特別少，可能一百天出現(xiàn)一次，對簡單的統(tǒng)計學模型來說，拐點出現(xiàn)就是少數(shù)派，模型很難預測拐點。目前，鄭宇和他的團隊也在單獨對拐點進行建模，準確度已經(jīng)提高到30%。

　　針對大數(shù)據(jù)在環(huán)保領域未來的發(fā)展，鄭宇認為國家首先要培養(yǎng)數(shù)據(jù)科學家，不僅僅是懂大數(shù)據(jù)挖掘算法，還要動行業(yè)知識，這樣才能把大數(shù)據(jù)轉化為生產(chǎn)力。其次，大數(shù)據(jù)時代要求政府開放數(shù)據(jù)。只要數(shù)據(jù)足夠，未來工業(yè)園區(qū)的建設與空氣質量的變化情況，整個城市設計與空氣質量的變化情況，完全可以依靠大數(shù)據(jù)實現(xiàn)。